论数学建模应用实例.docVIP

论数学建模应用实例 数学学科来源于现实生活，同时又为生活提供服务，而数学建模顾名思义就是建立数学模型来解决实际问题，它是数学应用广泛性的体现。随着科学技术的发展，数学建模越来越多地被用于学习，生产和社会活动中，预测解决各领域中的各种难题。目前，越来越多的学校开始把数学建模作为一个重要的研究方向，我们所就读的学校也不例外。由于数学建模具有趣味性和创新性，因此许多高校大学生积极报名参加全国大学生数学建模竞赛。 通常情况下，数学建模的基本组成部分包括模型建立，模型求解，结果分析和模型检验。常用建模方法有插值与拟合，层次分析法，模糊综合评价法，灰色关联分析法，时间序列分析法，主成分分析和因子分析，聚类分析与判别分析，最优化等。此外一些建模软件（Matlab,Spss,Origin,Sas,Lingo等）也为我们提供了很大的帮助。作为建模竞赛的参赛者，下面我们将列举一些简单的例子来谈一谈数学建模的实际应用。 数学建模在化学上的应用 例:在某化学反应中，根据实验测得生成物浓度y与时间x的关系如下表，求浓度y与时间x的对应函数关系y=f(x)。 时间x 1 2 3 4 5 6 7 8 9 10 11 浓度y 4.0 6.4 8.0 8.8 9.22 9.50 9.70 9.86 10.0 10.20 10.32 分析：本题属于典型的拟合问题。许多软件如Matlab，Origin等都可以进行拟合计算。本题在Matlab命令窗口键入 cftool 启动拟合工具箱，录入数据后选择指数线型进行拟合计算。结果如下： General model Exp2: f(x) = a*exp(b*x) + c*exp(d*x) Coefficients (with 95% confidence bounds): a = 9.116 (8.7, 9.532) b = 0.0111 (0.006266, 0.01594) c = -9.839 (-10.4, -9.277) d = -0.6278 (-0.7118, -0.5438) Goodness of fit: SSE: 0.03103 R-square: 0.9992 Adjusted R-square: 0.9988 RMSE: 0.06658 图1 生成物浓度与时间拟合曲线图 由图1知，拟合效果很好，由输出数据得浓度y与时间x的函数关系为。 数学建模在交通上的应用 例：北方某城市1986～1992年道路交通噪声平均数据如下： 年 1986 1987 1988 1989 1990 1991 1992 噪声 71.1 72.4 72.4 72.1 71.4 72.0 71.6 请对1993～1996年噪声数据进行预测。 分析：本题可采用灰色预测模型中的GM(1,1)模型进行预测。GM(1,1)是基于累加生成序列和最小二乘估计的指数拟合模型。它可以用于指数规律较强的单调序列的短期预测。 在Matlab中键入相关程序（见附录），运行后得到如下结果： Predictive_value = Columns 1 through 6 71.1000 72.4057 72.2362 72.0671 71.8984 71.7301 Columns 7 through 11 71.5622 71.3946 71.2275 71.0608 70.8944 Average_growth = -0.0270 图 2 交通噪声与年份关系图 由输出数据可得1993～1996年噪声预测数据分别为71.3946 ，71.2275 71.0608，70.8944。 数学建模在销售上的应用 例：现要研究竞争者的数量对销售额是否有显著影响。抽取3家超市，竞争者数量按0个, 1个, 2个, 3个以上分为4类，获得的年销售额如下表。试研究竞争者的数量对销售额是否有显著影响。 分析：本题运用Spss软件对题中数据进行方差分析。方差分析的基本思想是：假设待比较的均值都相等，然后将总偏差平方和分解为效应平方和SA与误差平方和Se两部分，再利用SA 和Se 构造F 统计量进行假设检验，从而判定均值之间是否存在差异。得到相关数据如下： 表 1 方差分析(F检验) 由以上分析得竞争者个数对销售额影响显著。 表2 多重比较 图 3 不同竞争者下销售额均值比较图 同时比较多个水平间指标差异是否显著称为多重比较。表2数据显示，0和1，0和3，1和3，2和3差异不显著，而0和2，1和2差异显著。图3均值图显示了均值的变化趋势，也从一定程度上验证了多重比较的结论。